Python中pandas的map()结合字典替换DataFrame列值的运行原理是什么？

你印象中需要传入函数和序列的是Python内置的全局map()函数，而你调用的df['Day of Week'].map()是pandas Series对象自带的方法，两者是完全不同的实现，参数规则也不一样。

pandas的Series.map()方法的第一个参数支持三种类型的输入，底层会自动适配不同的处理逻辑：

• 传入函数：将序列中的每个值传入函数执行，用返回值作为映射结果
• 传入字典：将序列中的每个值作为字典的键查询对应值，查询不到时返回NaN
• 传入Series对象：将被调用的Series的值作为索引，匹配传入的Series的索引对应的value作为结果

你场景中传入字典dmap的逻辑其实等价于如下的lambda实现：

df['Day of Week'] = df['Day of Week'].map(lambda x: dmap.get(x, float('nan')))

用字典直接传参是pandas专门为值映射场景设计的语法糖，写法更简洁，执行效率也比自定义lambda函数更高。

需要注意如果你的'Day of Week'列存在超出0-6的数值（比如你提到的7），字典里没有对应的键，映射后会变为NaN，如果需要保留原始值或者指定默认值，可以后续调用fillna()补全，或者提前在字典里定义好所有可能的key的映射。

内容的提问来源于stack exchange，提问作者Aamir Mohiuddin